автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Алгоритмическое обеспечение автоматизированной системы управления на основе доверительной оценки профессиональных компетенций специалиста

л

КРЕХОВ ЕВГЕНИИ ВИКТОРОВИЧ

АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ НА ОСНОВЕ ДОВЕРИТЕЛЬНОЙ ОЦЕНКИ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ СПЕЦИАЛИСТА

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (образование)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва-2010

-9 СЕН 2010

004608006

Диссертация выполнена в Учреждении Российской академии образования «Институт информатизации образования», в лаборатории автоматизации управления технологическими процессами в образовании.

Научный руководитель: Доктор технических наук, профессор

Павлов Александр Алексеевич

Официальные оппоненты: Доктор технических наук, профессор

Дараган Алексей Данилович

Кандидат технических наук Лоцманова Елена Владимировна

Ведущая организация: Серпуховской военный институт Ракетных

войск

Защита состоится «24» сентября 2010 года в 15-00 часов на заседании объединённого диссертационного совета по защите докторских и кандидатских диссертаций ДМ 008.004.02 при Учреждении Российской академии образования «Институт информатизации образования» по адресу: 119121, г. Москва, ул. Погодинская, д. 8.

Отзывы, заверенные печатью, просим направлять по адресу: 119121, г. Москва, ул. Погодинская, д. 8.

С диссертацией можно ознакомиться в библиотеке Учреждения Российской академии образования «Институт информатизации образования».

Автореферат разослан «

2010 г.

Ученый секретарь диссертационного совета кандидат технических наук, доктор педагогических наук, профессор

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы диссертации. В настоящее время определяющим фактором экономического благополучия фирм становится высокий уровень профессиональных компетенций специалиста (ПКС). Уровень современного отечественного образования позволяет подготавливать высококвалифицированного специалиста, однако, особенности средств производственной базы конкретной фирмы (технологического оборудования, инструмента, оснастки, технологических условий и т.д.) не всегда позволяют обеспечить требуемый уровень ПКС. В связи с этим возникает необходимость формирования требуемых уровней ПКС путём внутрифирменной переподготовки специалиста.

Анализ исследований Беспалько В.П., Брановского Ю.С., Ваграменко Я.А., Граб В.П., Козлова O.A., Колина К.К., Кравцовой А.Ю., Мартиросян Л.П., Панюко-вой C.B., Роберт И.В., Романенко Ю.А., Хуторского A.B. показывает, что эффективность переподготовки специалиста может быть обеспечена на основе информационных и коммуникационных технологий (ИКТ) с использованием автоматизированной системы управления (АСУ) технологическими процессами в образовании. Исследованию АСУ технологическими процессами в образовании посвящены работы Дани-люка С.Г., Дарагана А.Д., Добровольской Н.Ю., Емелина Н.М., Карповой И.П., Jly-ценко Е.В., Михайлова Ю.Ф., Надеждина E.H., Павлова A.A., Попова А.Г., Сердюко-ва В.И., Теленой И .С., Царькова А.Н., Шарова А.Г. В этих работах АСУ рассматривается как комплекс программных и технических средств, служащий для автоматизации управления переподготовкой специалиста. Одним из важных аспектов разработки рассматриваемой АСУ является совершенствование алгоритмического обеспечения, необходимого для принятия решения по формированию ПКС. Принятие решения по формированию ПКС направленно на определение индивидуального содержания и объёма профильных дисциплин (СОПД) для переподготовки специалиста. Под содержанием профильной дисциплины понимается совокупность изучаемых тем, их разделов и самих дисциплин, которые специалист должен усвоить, а под их объёмом понимается количество часов, отведённых для теоретической и практической переподготовки специалиста.

Внутрифирменная переподготовка включает в себя СОПД, которые в зависимости от исходного уровня подготовки являются индивидуальными для каждого специалиста. В связи с этим для определения СОПД необходимо оценить исходные уровни ПКС, что в свою очередь предполагает временные и стоимостные затраты на внутрифирменную переподготовку. Анализ работ Аванесова B.C., Бодалева A.A., Столина В.В., Шмелева А.Г. показывает, что одним из основных методов оценки специалиста с использованием АСУ является тестовый контроль уровней усвоения профильных дисциплин. Основными показателями качества тестового контроля для оценки исходных уровней ПКС являются его точность и достоверность. В трудах Берестневой О. Г., Белоус В.В., Войта H.H., Вяловой Е.П., Маслова В.Г. показано,--

что точность контроля уровней усвоения профильных дисциплин может быть достигнута на основе алгоритмов нечеткой логики. Однако такие алгоритмы ещё не обеспечивают достоверности оценки уровней ПКС при заданной точности тестового контроля уровней усвоения профильных дисциплин. Это объясняется тем, что число контрольных заданий ограничено и проводится только точечное оценивание указанных уровней, что приводит к неопределённости выбора СОПД в условиях временных и стоимостных ограничений на переподготовку специалиста. В соответствии с ГОСТ 20911-89 под достоверностью контроля понимается степень объективного соответствия результатов контроля действительному состоянию объекта, в частности уровням усвоения профильных дисциплин и ПКС.

В связи с этим особую актуальность приобретает вопрос обеспечения АСУ внутрифирменной переподготовкой специалиста возможностью достоверно контролировать уровни усвоения профильных дисциплин для принятия решения по формированию ПКС.

Объектом исследования является АСУ, служащая для автоматизации управления внутрифирменной переподготовкой специалиста.

Анализ программных и технических средств управления внутрифирменной переподготовкой специалиста показывает, что в части алгоритмического обеспечения рассматриваемой АСУ существуют недостатки:

- отсутствуют алгоритмы, позволяющие обеспечить достоверность контроля уровней усвоения профильных'дисциплин для оценки ПКС в условиях ограничения числа контрольных заданий;

- отсутствуют алгоритмы, позволяющие обеспечить выбор СОПД для принятия решения по формированию ПКС на основе их оценки в зависимости от уровней усвоения профильных дисциплин.

Учесть влияние числа контрольных заданий на достоверность контроля исходных уровней усвоения профильных дисциплин возможно применением метода доверительных границ. При э"Гом количественной мерой достоверности контроля является доверительная вероятность оценки уровня усвоения профильной дисциплины специалистом, а под доверительной оценкой ПКС понимается совокупность таких уровней по профильным дисциплинам специалиста.

Предметом исследования является алгоритмическое обеспечение АСУ внутрифирменной переподготовкой специалиста, предназначенное для принятия решения по формированию ПКС на основе их доверительной оценки.

Однако применение метода доверительных границ для принятия решения по формированию ПКС на основе их оценки затруднено по следующим причинам:

- отсутствие модели доверительной оценки ПКС;

- отсутствие алгоритмов определения СОПД для формирования ПКС на основе их доверительной оценки;

- отсутствие алгоритмов формирования базы данных (БД) тестовых задания на основе доверительной оценки ПКС;

- отсутствие структуры АСУ внутрифирменной переподготовки специалиста, включающей блоки доверительной оценки ПКС.

На основании проведённого анализа определена проблемная ситуация, сущность которой состоит в противоречии между практической необходимостью автоматизированного формирования ПКС с обеспеченной достоверностью контроля уровней усвоения профильных дисциплин и отсутствием необходимого алгоритмического обеспечения АСУ внутрифирменной переподготовкой специалиста, предназначенного для принятия решения по формированию ПКС на основе их доверительной оценки.

Исходя из сформулированной проблемной ситуации, решаемая в диссертационной работе научная задача может быть определена как разработка алгоритмического обеспечения принятия решения АСУ внутрифирменной переподготовкой специалиста, позволяющего с заданной доверительной вероятностью контролировать уровни усвоения тем профильных дисциплин для формирования требуемых ПКС в условиях временных и стоимостных ограничений.

Целью исследования является обеспечение достоверности контроля исходных уровней усвоения профильных дисциплин для принятия решения по формированию ПКС путём разработки алгоритмического обеспечения АСУ на основе доверительной оценки ПКС.

Для достижения указанной цели решаются следующие задачи.

1. Анализ алгоритмического и программного обеспечения для автоматизации управления внутрифирменной переподготовкой специалиста.

2. Разработка алгоритмической модели определения СОПД на основе доверительной оценки ПКС.

3. Разработка алгоритмического обеспечения принятия решения по формированию ПКС на основе их доверительной оценки.

4. Построение структурной и функциональной схем АСУ внутрифирменной переподготовкой специалиста на основе доверительной оценки ПКС.

5. Эксперимент по определению СОПД на основе доверительной оценки ПКС для подтверждения достигнутых результатов на примере оценки специалистов нефтяной промышленности.

Методы исследований. В работе использовались методы общей теории систем, теории вероятности, искусственного интеллекта, управления, нечёткой логики, принятия решений, математической статистики, системного и кластерного анализа.

Научные результаты, выносимые на защиту.

1. Алгоритмическая модель определения СОПД на основе доверительной оценки ПКС, позволяющая обеспечить достоверность контроля уровней усвоения тем профильных дисциплин и автоматизировать переподготовку специалиста на основе такого контроля.

2. Алгоритмическое обеспечение принятия решения по формированию ПКС, позволяющее определять наиболее целесообразные СОПД при заданных временных

и стоимостных ограничениях на переподготовку специалиста в зависимости от исходных уровней усвоения тем профильных дисциплин.

Научная новизна и теоретическая значимость исследования состоит:

- в разработке алгоритма определения СОПД, отличающегося процедурой формирования вариантов переподготовки специалиста, дополненных стоимостными и временными показателями, что позволяет выбрать наиболее целесообразные темы профильных дисциплин для переподготовки специалиста в зависимости от исходного уровня их усвоения и требуемых профессиональных компетенций;

- в разработке алгоритма формирования БД тестовых заданий, отличающегося процедурой доверительной оценки уровней усвоения профильных дисциплин для их классификации по уровням и составу компетенций, что позволяет обеспечить достоверность контроля уровней усвоения тем профильных дисциплин;

- в разработке алгоритма определения целесообразности переподготовки специалиста, обеспеченного процедурой выбора ПКС в зависимости от исходных уровней усвоения тем профильных дисциплин, что даёт возможность определить компетенции, которые наиболее целесообразно формировать в условиях временных и стоимостных ограничений на внутрифирменную переподготовку специалиста.

Практическая значимость состоит в том, что:

- разработанная алгоритмическая модель определения СОПД на основе доверительной оценки ПКС позволяет повысить достоверность контроля уровней усвоения профильных дисциплин в среднем на 20%, по сравнению с моделью оценки ПКС на основе нечёткой логики;

- разработанное алгоритмическое обеспечение принятия решения по формированию ПКС позволяет сократить СОПД для внутрифирменной переподготовки специалиста в среднем на 15%;

- разработанное алгоритмическое обеспечение АСУ на основе доверительной оценки ПКС реализовано в программном продукте для оценки профессиональных компетенций специалистов нефтяной промышленности, что позволило автоматизировать управление внутрифирменной переподготовкой специалистов «ТНК-ВР».

Апробация результатов. Основные положения и результаты исследования обсуждались на научных конференциях МГУПИ «Программное и информационное обеспечение систем различного назначения на базе персональных ЭВМ» (М., 2006 г.), СВИ РВ «Проблемы оценки устойчивости и эффективности функционирования автоматизированных систем управления и связи на основе внедрения новых информационных технологий» (Серпухов, 2009, 2010 гг.); всероссийских научно-технических конференциях МИФИ «Нейроинформатика» (М., 2008, 2009 гг.), ИИО РАО «Ученые записки ИИО РАО» (М. 2007, 2008,2009 гг.).

По теме диссертации опубликовано 11 работ. Среди наиболее значимых публикаций: 3 статьи в 3 научно-технических журналах, из перечня рекомендуемых ВАК РФ для публикации научных результатов диссертации на соискание ученой

степени кандидата технических наук, 8 работ в материалах, Всероссийских и Международных НК.

Внедренне результатов исследований. Результаты исследований реализованы и внедрены в автоматизированной системе оценки профессиональных компетенций специалистов нефтяной промышленности «ТНК-BP» в 2007, 2008, 2009 гг., что подтверждено соответствующим актом об использовании результатов.

Структура диссертации. Работа состоит из введения, трех разделов, заключения и списка используемой литературы. Диссертация объемом 153 страницы включает 17 таблиц и 42 рисунка.

СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении к диссертации обоснована актуальность выбранной темы, раскрыты цель и содержание поставленных задач, указаны применяемые методы исследования, показана научная новизна и практическая значимость работы, перечислены основные научные результаты, выносимые на защиту.

В первом разделе диссертации проведён анализ структуры АСУ, служащей для автоматизации управления переподготовкой специалиста, а также её алгоритмического и программного обеспечения.

Проведённый анализ позволил определить причины низкой достоверности контроля уровней усвоения профильных дисциплин методами тестирования. Тест представляет собой набор из п заданий (длина теста) одинаковой сложности, предъявляемых специалисту. Результат выполнения каждого задания оценивается по шкале, в частности, пятибалльной. Появление того или иного результата испытания предполагается случайным, с определенной вероятностью, независящей от номера и числа заданий. Вероятность выполнения задания, при неограниченной длине теста, характеризует истинный уровень усвоения темы специалистом.

Для получения истинного значения уровня усвоения темы специалистом проводится многократное тестирование. За истинное значение уровня усвоения темы принимается среднее арифметическое значение т . Поскольку тест имеет ограниченную длину, то в результате тестирования получается только выборочная оценка истинного значения уровня усвоения темы специалистом т :

т

т=——, 0)

и

где п - число выполненных заданий; i - номер задания; xt - балл за задание i.

В связи с тем, что оценка по выборочному среднему т является случайной, то во многих научных работах (Аванесова B.C., Буравлева А.И., Переверзева В. Ю., Рудницкого И. Д.) при определении её характеристик используется нормальный закон распределения. Это обусловлено тем, что такая оценка, является несмещенной и асимптотически нормальной. Используя асимптотическое свойство оценки т , не-

трудно построить для нее доверительный интервал [т-3,т+5], содержащий истинный балл т с заданной доверительной вероятностью Рд :

Рд* 2ф(гд)

■2Д (2)

где Ф - интеграл вероятностей (функция Лапласа); 2Д - доверительный коэффициент; - стандартное отклонение значений уровней усвоения темы х от т ; 5 -полуширина доверительного интервала, характеризующая погрешность определения истинного балла т ; Рд - доверительная вероятность, характеризующая достоверность определения истинного балла т . Соответствие доверительных коэффициентов гд и доверительных вероятностей Рд определяется по таблице 1.

Таблица 1 - Соответствие доверительных коэффициентов и доверительных вероятностей Рд

2Д 0.00 0.01 1.04 1.96 2.0

рД 0.00000 0.00798 0.70166 0.95000 0.95450

Стандартное отклонение уровней усвоения темы профильной дисциплины может быть получено на основе выражения:

. (3)

(л-1)

Чем меньше стандартное отклонение 5 , тем с большей вероятностью можно утверждать, что интервал ±8 будет содержать рассматриваемое значение уровня усвоения темы профильной дисциплины. Значение доверительной вероятности, которую требуется обеспечить, выбирается равным Рдзад =0.95.

Так, например, уровни усвоения темы профильной дисциплины для двух специалистов 4, 4, 4, 5 и 3, 5, 4, 5. Соответственно имеем одинаковое математическое ожидание равное 4.25 для обоих специалистов, но при разных стандартных отклонениях в первом .?,(*) =0.5 и втором =0.96 случаях. Тогда при заданной, к примеру, погрешности контроля 5 =0.5 в первом случае имеем доверительную вероятность Рд =0.95, которая соответствует заданной, а во втором Ргд =0.7, которая не соответствует заданной. Для получения заданной доверительной вероятности увеличим количество контрольных заданий второму специалисту. Например, при 4 дополнительных заданиях, в совокупности с которыми второй специалист имеет уровни усвоения темы профильной дисциплины 5,4,4,4,3, 5,4, 5 стандартное отклонение уменьшит-

ся до =0.7, что позволяет получить заданную доверительную вероятность Я/ =0.95.

Приведённый пример показывает, что доверительная оценка уровня усвоения темы профильной дисциплины для первого специалиста соответствует заданной. Во втором случае потребовалось 4 дополнительных задания для получения заданной

доверительной оценки Р2Д =0.95. Таким образом, обоснован подход к принятию решения по формированию ПКС на основе их доверительной оценки.

В результате анализа, проведённого в первом разделе, был сформулирован подход к обеспечению достоверности контроля уровней усвоения профильных дисциплин для оценки ПКС на основе метода доверительных границ, определена цель, сформулирована научная задача исследования.

Второй раздел посвящён разработке алгоритмической модели определения СОПД на основе доверительной оценки ПКС и алгоритмического обеспечения принятия решения по их формированию.

В основу алгоритмической модели определения СОПД на основе доверительной оценки ПКС в зависимости от уровней усвоения тем профильных дисциплин положен следующий алгоритм:

- ввод лимита на время и стоимость переподготовки специалиста;

- определяется исходный уровень ПКС путём подачи стандартного набора контрольных заданий по каждой профильной дисциплине (в приведённом примере потребовалось 8 контрольных заданий);

- при недостаточном исходном уровне ПКС определяется уровень теоретической подготовки специалиста по темам профильных дисциплин, формирующих заданные компетенции;

- если теоретическая подготовка отвечает требуемому уровню, то определяется СОПД для формирования практических навыков специалиста в конкретных производственных условиях;

- если теоретическая подготовка не отвечает требуемому уровню, то специалисту представляются контрольные задания, позволяющие определить конкретные темы профильных дисциплин, по которым специалист имеет недостаточную подготовку с заданной доверительной вероятностью;

- лимит времени и стоимости переподготовки специалиста уменьшается на стоимость и время переподготовки по выбранной теме профильной дисциплины;

- определение СОПД, связанных с темами профильных дисциплин, повторяется до тех пор, пока не будет израсходован лимит на стоимость и время переподготовки специалиста.

Математическая модель доверительной оценки ПКС может быть представлена системой уравнений и условий:

Р/ =2ф(г/) ДЛЯ 2Л =

-, если ^(х ) > О,

(4)

2млхд> если «(л-') = О, где у - номер темы профильной дисциплины, связанной с контрольным заданием из БД тестовых заданий; Р^ - доверительная вероятность оценки уровня усвоения темы у профильной дисциплины; г А - доверительный коэффициент, полученный по результатам оценки уровня усвоения темы у профильной дисциплины; гшхд - максимальное значение доверительного коэффициента ; х! - уровни усвоения темы

у профильной дисциплины; ¿(У ) - стандартное отклонение уровней х'; п' - количество контрольных заданий одного уровня сложности, связанных с одним и тем же СОПД для переподготовки специалиста; Ф - функция Лапласа.

Контрольные задания связаны с СОПД для переподготовки специалиста, что позволяет управлять ими по результатам оценки ПКС. Принятие решения по определению СОПД для переподготовки специалиста предлагается проводить по следующему правилу:

. , (У™* =агёшахР/,

./п = аг8ттд; >ПРИ | 1 (5)

[л:/треб-(М(^) + <УЗАд)>0,

где у'п - номера контрольных заданий, по которым определяется СОПД; - номер контрольных заданий, при которых значение доверительной вероятности максимально; х-'треъ - требуемый уровень владения СОПД, связанный с

контрольными заданиями у ; М(х') - математическое ожидание уровней х'.

Для определения СОПД в условиях временных и стоимостных ограничений на переподготовку специалиста выполняется проверка заданного времени и стоимости формирования ПКС по правилу:

2]су<СЗАД,

^ .при У = Лг (6)

где С] - стоимость переподготовки в зависимости от СОПД, которые связаны с контрольными заданиями у ; tj - время переподготовки в зависимости от СОПД, которые связаны с контрольными заданиями у .

Для обеспечения достоверности контроля уровней усвоения тем профильных дисциплин и ПКС разработан алгоритм формирования БД тестовых задания, представленный блок-схемой на рисунке 1. Этот алгоритм позволяет пополнить БД контрольных заданий характеристическим свойством, значение которого определяет вероятность получения истинного уровня усвоения профильной дисциплины специалистом.

¡Мчало

/ х, к,Р',1, Л, Ы„п,д Л; /

......... 1,

т = О

1=0;

7=0

7=0 ; J<N¡

1*Л

л/(*.•')=

|>Д -МЫ)?

- 2ф

1,Р

1

С

3

Рисунок 1 - Блок-схема алгоритма формирования БД тестовых задания на основе доверительной оценки уровней ПКС

Достоверность контроля уровней ПКС обеспечивается применением метода доверительных границ в совокупности с моделью анализа результатов такого контроля. Поскольку компетенции специалиста структурно связаны с темами профильных дисциплин, то для анализа результатов их контроля может быть использован классификатор ПКС на основе, например, метода наименьших квадратов. При этом для построения ортогональных векторов в евклидовом пространстве используется процедура .Грама-Шмидта. Применение метода наименьших квадратов в условиях известности структуры ПКС позволяет рассчитать показатель уровня компетенции в

зависимости от внутрифирменных требований, предъявляемых к специалисту и уровней усвоения тем профильных дисциплин по формуле:

(7)

где £>к - уровень компетенции специалиста; х' — ортогонализированный уровень усвоения специалистом темы с номером ] ; Зс^-греб - ортогонализированный требуемый уровень усвоения темы j для компетенции к . Чем меньше значение уровня О*, тем более целесообразно формировать компетенцию специалиста с номером к .

В случае неопределённости структуры ПКС и требований к уровням усвоения тем профильных дисциплин классификация компетенций может быть реализована нейросетью.

Разработанная алгоритмическая модель, представленная формулами (4-7), позволяет провести моделирование изменений уровней усвоения тем профильных дисциплин и определить то, как такое изменение повлияет на уровни компетенций специалиста. Изменение уровня усвоения темы профильной дисциплины определяется по формуле:

х;-*мод=*у + А/'*, (8)

где х^мод - моделируемый уровень усвоения темы профильной дисциплины /; Д;'4 - величина изменение уровня усвоения темы профильной дисциплины _/ для компетенции к . Величина ¿¿'к определяется как разность между уровнем усвоения х-1 и требуемым уровнем усвоения для к -той компетенции х',кт?Е&:

Д'^^-Х^ТРЕБ. (9)

Учитывая возможность моделирования изменений уровней усвоения тем профильных дисциплин, для определения целесообразности переподготовки специалиста предлагается использовать следующие показатели: время переподготовки, стоимость переподготовки, текущий и моделируемый уровень ПКС. Исходя из предположения того, что переподготовка специалиста наиболее целесообразна, если затраты на неё соответствуют заданным, а получаемый уровень ПКС максимален, то для определения целесообразности переподготовки специалиста предлагается использовать отношение составленное согласно Парето по следующему правилу:

Ёб^мод -?ЗАД ц*;=___(Ю)

где Ц*/ - целесообразность переподготовки специалиста с номером I по компетенции к \ г*/ - время переподготовки специалиста с номером I по компетенции к ;

ск1 - стоимость переподготовки специалиста с номером / по компетенции к ; {Э^киод - моделируемый уровень ПКС при условии переподготовки по теме профильной дисциплине у; /ЗЛД, сЗАД - заданные соответственно временные и стоимостные затраты на переподготовку специалиста; Мх - количество тем профильных дисциплин.

Алгоритм определения целесообразности переподготовки специалиста представлен блок-схемой на рисунке 2. Временные и стоимостные затраты на формирование ПКС в зависимости от требуемого уровня по специальной таблице затрат, составленной с привлечением экспертов. Также введены дополнительные переменные - это количество специалистов Ы, и количество компетенций .

Рисунок 2 - Блок-схема алгоритма определения целесообразности переподготовки

специалиста

Для практической реализации алгоритмического обеспечения принятия решения по формированию компетенций специалиста построена структурная схема АСУ внутрифирменной переподготовкой специалиста на основе доверительной оценки ПКС, которая представлена на рисунке 3.

Рисунок 3 - Структурная схема АСУ внутрифирменной переподготовкой

специалиста на основе доверительной оценки ПКС

Существенным отличием представленной структурной схемы АСУ внутрифирменной переподготовкой специалиста от существующих является устройство управления на основе модели доверительной оценки ПКС, включающее ряд следующих новых блоков.

1. Блок управления БД тестовых заданий, который предназначен для хранения контрольных заданий и представления их специалисту, он содержит: узел хранения требуемых уровней ПКС, узел хранения тестов для определения исходного уровня ПКС, узел хранения теоретических и практических заданий для проверки уровня усвоения тем профильных дисциплин.

2. Блок определения доверительной оценки ПКС, который предназначен для проверки исходного уровня усвоения тем профильных дисциплин специалистом, он содержит: узел предобработки данных, узел расчёта доверительной вероятности, узел хранения результата.

3. Блок математической обработки результатов оценки ПКС, который предназначен для классификации ПКС и получения заданной доверительной вероятности

РД ЗАД при заданной погрешности <5ЗЛд, он содержит: узел классификации и узел

ввода уровней усвоения тем профильных дисциплин.

4. Блок формирования СОПД, который предназначен для определения СОПД в условиях временных и стоимостных ограничений на переподготовку специалиста и пополнения БД тестовых заданий доверительными оценками, он содержит: узел интерпретации состояния модели доверительной оценки ПКС, узел пополнения БД тестовых заданий доверительными оценками и узел определения СОПД.

В процессе функционирования разработанного устройства управления организуется обмен информацией с другими компонентами рассматриваемой АСУ: моделью специалиста (МС), моделью предметной области (МПО), БД тестовых заданий, БД оценок ПКС.

Предлагаемое алгоритмическое обеспечение АСУ на основе доверительной оценки ПКС позволяет:

- обеспечить выбор СОПД на основе доверительной оценки ПКС в условиях стоимостных и временных ограничений на переподготовку специалиста;

- обеспечить БД контрольных тестов и перечня ПКС доверительными оценками ПКС;

- классифицировать результаты контроля уровней усвоения тем профильных дисциплин по уровням и составу ПКС;

определять целесообразность переподготовки специалиста по профессио-

нальным компетенциям и темам профильных дисциплин в условиях временных и стоимостных ограничений на переподготовку;

- автоматизировать принятие решения по формированию ПКС на основе их доверительной оценки и классификации уровней усвоения тем профильных дисциплин по уровням и составу компетенций.

Третий раздел содержит результаты эксперимента по определению СОПД на основе доверительной оценки ПКС для подтверждения достигнутых результатов и согласования разработанной алгоритмической модели на примере оценки специалистов нефтяной промышленности.

Определение пригодности модели доверительной оценки ПКС проводится по коэффициенту несовпадения Тейла (Кт ).Чем меньше значение коэффициента Тей-ла, тем согласованнее модели. Указанное значение определяет степень несовпадения ретроспективного предсказания разработанной модели доверительной оценки ПКС

хл1 с наблюдавшимися значениями выхода хв] на базовой модели, составленной нами аналитически с привлечением экспертов, причем:

(П)

Сравнительные результаты оценки ПКС - «Геолог - Трехмерное моделирование» приведены в таблице 2.

Таблица 2 - Сравнительные результаты оценки компетенции «Геолог -

Трехмерное моделирование»

Наименование профильной Эксперт Разработанная Нечёткая логика

дисциплины модель

Седиментология и стратиграфия 3 3 4

Структурная геология 3 3 3

Геологоразведка 5 4 4

Нефтяные системы 3 3 3

Трехмерное картирование 4 4 4

Запасы 3 3 4

Сбор данных сейсморазведки 2 2 2

Обработка данных сейсморазведки 2 3 3

Моделирование сейсмических данных 4 4 3

Анализ кериа / Свойства пород 3 2 2

Уровень согласованности моделей Кг 0,08 0,12

Полученные результаты свидетельствуют о пригодности разработанной модели. Анализ результатов показывает, что разработанное алгоритмическое обеспечение принятия решения АСУ на основе доверительной оценки ПКС позволяет обеспечить более высокую достоверность контроля уровней усвоения профильных дисциплин, по сравнению с моделью оценки на основе нечёткой логики. Полученные результаты доверительной оценки ПКС позволяют сократить СОПД для внутрифирменной переподготовки специалиста за счёт выбора только тех тем профильных дисциплин, по которым наиболее целесообразна такая переподготовка при заданных временных и стоимостных ограничениях. В диссертационной работе проведена оценка общего количества учебных часов до и после применения разработанного алгоритмического обеспечения принятия решения по формированию ПКС для переподготовки специалиста нефтяной промышленности, которая показала возможность, сокращения СОПД в среднем на 15%.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

В результате проведённых исследований разработана структурная схема АСУ на основе доверительной оценки ПКС и её алгоритмическое обеспечение, что позволяет повысить достоверность автоматизированного контроля уровней усвоения профильных дисциплин для принятия решения по формированию компетенций специалиста.

Выводы по диссертационной работе и полученные в ней научные результаты можно обобщить следующим образом.

1. Проведён анализ алгоритмического и программного обеспечения для автоматизации управления внутрифирменной переподготовкой специалиста. Анализ позволил выявить недостатки средств принятия решения по формированию ПКС. Не-

достатки заключаются в отсутствие алгоритмов, позволяющих обеспечить достоверность контроля уровней усвоения профильных дисциплин для оценки ПКС в условиях ограниченного числа контрольных заданий и обеспечить выбор содержания и объёма профильных дисциплин для переподготовки специалиста на основе такой оценки. Определён путь преодоления указанных недостатков, который заключается в разработке алгоритмического обеспечения АСУ на основе доверительной оценки ПКС.

2. Разработана алгоритмическая модель определения содержания и объёма профильных дисциплин на основе доверительной оценки ПКС, отличающаяся: процедурой пополнения контрольных заданий характеристическим свойством, значение которого определяет вероятность получения истинного уровня усвоения профильной дисциплины специалистом; правилами выбора содержания и объёма профильных дисциплин для формирования требуемых компетенций в условиях стоимостных и временных ограничений на внутрифирменную переподготовку специалиста. Указанные отличая разработанной алгоритмической модели позволяют повысить достоверность контроля уровнен усвоения профильных дисциплин для оценки ПКС в среднем на 20%, по сравнению с моделью на основе нечёткой логикой за счёт получения значений доверительных вероятностей указанных уровней и определения их влияния на компетенции специалиста.

3. Разработано алгоритмическое обеспечение принятия решения по формированию ПКС на основе их доверительной оценки. Алгоритмическое обеспечение отличается процедурами доверительной оценки уровней усвоения профильных дисциплин для их классификации по уровням и составу компетенций, что позволяет: выбирать содержание и объём профильных дисциплин для внутрифирменной переподготовки специалиста в условиях стоимостных и временных ограничений; обеспечить БД контрольных тестов и перечня профессиональных компетенций их доверительными оценками; классифицировать результаты контроля уровней усвоения тем профильных дисциплин по уровням и составу ПКС;

4. Построены структурная и функциональная схемы АСУ внутрифирменной переподготовкой специалиста, отличающиеся устройством управления на основе доверительной оценки ПКС, которое, в отличие от известных аналогов, позволяет не только оценивать компетенции специалиста в учебном процессе, но и установить зависимость между исходными уровнями усвоения профильных дисциплин и необходимыми содержанием и объёмом профильных дисциплин в условиях стоимостных и временных ограничений на формирование требуемых компетенций.

5. Проведён эксперимент по определению содержания и объёма профильных дисциплин на основе доверительной оценки ПКС для подтверждения достигнутых результатов на примере оценки специалистов нефтяной промышленности. Это позволило сократить содержание и объём профильных дисциплин в среднем на 15% по результатам определения целесообразности переподготовки специалиста в условиях временных и стоимостных ограничений.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Публикации в рецензируемых журналах ВАК

1. Павлов А. А., Крехов Е. В. Применение нейросетевых моделей профессиональных компетенций специалиста в автоматизированной обучающей системе -М: Научно-методический журнал «Информатизация образования и науки», №4, 2009.-с. 132- 144.

2. Крехов Е. В., Павлов А. А. и др. Метод контроля выполнения арифметических операций ЭВМ в автоматизированных системах контроля и измерения - М.: Измерительная техника, № 3,2008 - с. 10 -12.

3. Крехов Е. В., Хабибулин И. В. Нейросетевая модель профессиональных компетенций специалиста для обоснования затрат на обучение - Серпухов: Известия Института инженерной физики, Т. 2, №16, 2010 - с. 33-38.

Другие публикации результатов диссертационного исследования

4. Крехов Е. В. Алгоритмическое обеспечений принятия решения по формированию профессиональных компетенций специалиста // сборник статей «Проблемы обеспечения эффективности и устойчивости функционирования сложных технических систем», часть 4, Серпухов. 2010. - с. 100 - 104.

5. Крехов Е. В. Методика прогнозирования профессиональных компетенций специалиста на основе нейросетевых моделей // XI Всероссийская НТК, «Нейроин-форматика-2009» Сб. научных трудов, ч. 1. - М.: Изд-во МИФИ, 2009. - с. 114-115.

6. Крехов Е. В. Методика статистико-математического обоснования затрат на профессиональное обучение специалистов // Сборник «Ученые записки ИИО РАО» -М.: ИИО РАО, 2009. - с. 83 - 88.

7. Крехов Е. В. Методика программно-модульного эмулирования нейронных сетей // НТК «Программное и информационное обеспечение систем различного назначения на базе персональных ЭВМ», Сб. научных трудов - М.: МГУПИ, 2006 — с. 64 - 72.

8. Крехов Е. В. Модель доверительной оценки профессиональных компетенций специалиста / Крехов И. В. // сборник статей «Проблемы обеспечения эффективности и устойчивости функционирования сложных технических систем», часть 4, Серпухов. 2010. - с. 105 - 109.

9. Крехов Е. В. Нейросетевой классификатор профессиональной компетентности специалиста // X Всероссийская НТК, «Нейроинформатика-2008» Сб. научных трудов, ч.1. -М.: Изд-во МИФИ, 2008.-е. 53-61.

10. Крехов Е. В. Нейросетевая модель автоматизированной обучающей системы / Крехов И. В. // сборник статей «Проблемы обеспечения эффективности и устойчивости функционирования сложных технических систем», часть 2, Серпухов. 2009.-е. 112-119.

11. Крехов Е. В. Результаты применения нейросетевых моделей предиктора профессиональной квалификации специалиста в автоматизированной обучающей системе // Сборник "Ученые записки ИИО РАО" - М.: ИИО РАО, 2008. - с. 219-225.

Подп.впеч. 17.08.2010 г. Формат 60 x 84'/,Объем 1,0 п. л. Тир. 100. Зак. 1149.

ГУП МО «Серпуховская типография» Министерство по делам печати и информации Московской области

ВВЕДЕНИЕ.

1 АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ ПОДГОТОВКОЙ СПЕЦИАЛИСТА.

1.1 Анализ структуры автоматизированных систем, управления подготовкой специалиста.

1.2 Анализ исходной информации о профессиональных компетенциях специалиста дляпринятия решения по их формированию.

1.3' Обоснование модели доверительной оценки1 профессиональных компетенций специалиста дяят1ринятиярешения по их формированию

1.4 Анализ алгоритмов управления* подготовкой специалиста для формирования у'него профессиональных компетенций.

1.5 Математическаятюстановка задачи исследования-.

ВЫВОДЬШО РАЗДЕЛУ 1.

2 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ РАЗРАБОТКИ АЛГОРИТМИЧЕСКОГО ОБЕСПЕЧЕНИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ НА ОСНОВЕ ДОВЕРИТЕЛЬНОЙ ОЦЕНКИ^ПРОФЕССИОНАЛЬНЫХ

КОМПЕТЕНЦИЙ СПЕЦИАЛИСТА4.

2.1' Математическое обеспечение модели определения содержания- и объёма профильных дисциплин на основе доверительной оценки профессиональных компетенций специалиста.

2.2 Построение структурной схемы автоматизированной системы управления на основе доверительной оценки профессиональных компетенций специалиста.

2.3 Комплекс алгоритмов принятия решения по формированию профессиональных компетенций специалиста.

2.4 Аппаратная реализация устройства управления- формированием профессиональных компетенций специалиста.

2.5 Обоснование методики принятия решения по формированию профессиональных компетенций специалиста на основе их доверительной оценки.

ВЫВОДЫ ПО РАЗДЕЛУ 2.

3 ЭКСПЕРИМЕНТ ПО ОПРЕДЕЛЕНИЮ СОДЕРЖАНИЯ И ОБЪЁМА ПРОФИЛЬНЫХ ДИСЦИПЛИН НА ОСНОВЕ ДОВЕРИТЕ ЛЬНОЙЮЦЕНКИ

ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ СПЕЦИАЛИСТА.

З.Г Планирование и проведение эксперимента доверительного оценивания профессиональных компетенций специалиста.

3.2 Согласование результатов оценки специалиста при различном составе его профессиональных компетенций.

3.3 Экспериментальное определение содержания и объёма профильных дисциплин на основе оценки профессиональных компетенций».

3.4' Рекомендации по реализации структуры автоматизированной системы управления, внутрифирменной переподготовкой специалиста на основе доверительной оценки профессиональных компетенций:.

ВЫВОДЬШО РАЗДЕЛУ 3.

Актуальность темы диссертации. В настоящее время определяющим фактором экономического благополучия фирм становится высокий уровень профессиональных компетенций специалиста (ПКС). Уровень современного отечественного образования позволяет подготавливать высококвалифицированного специалиста, однако, особенности средств производственной базы конкретной фирмы (технологического оборудования, инструмента, оснастки, технологических условий и т.д.) не всегда позволяют обеспечить требуемый уровень ПКС. В связи с этим возникает необходимость формирования требуемых уровней ПКС путём внутрифирменной переподготовкихпециалиста [32, 41, 43, 44, 67, 75, 81].

Анализ, исследований Беспалько В.П., Брановского Ю.С., Ваграменко Я.А., Граб В.П., Козлова О.А., Колина К.К., Кравцовой А.Ю1, Мартиросян Л.П., Панюковой С.В., Роберт И.В., Романенко Ю.А., Хуторского А.В. показывает, что эффективность переподготовки специалиста может быть обеспечена на основе информационных и коммуникационных технологий (ИКТ) с использованием автоматизированной системы управления-(АСУ) технологическими процессами в образовании. Исследованию АСУ технологическими процессами в образовании посвящены работы Данилюка С.Г., Дарагана А.Д., Добровольской Н.Ю., Емелина Н.М., Карповой И.П., Луценко Е.В., Михайлова Ю.Ф., Надеждина Е.Н., Павлова А.А., Попова А.Г., Сердюкова В.И., Теленой И.С., Царькова А.Н., Шарова A.F. В'этих работах АСУ рассматривается как комплекс программных и технических средств, служащий для автоматизации управления переподготовкой специалиста. Одним из важных аспектов разработки рассматриваемой АСУ является совершенствование алгоритмического обеспечения, необходимого для принятия решения по формированию ПКС. Принятие решения по формированию ПКС направленно на определение индивидуального содержания и объёма профильных дисциплин (СОПД) для переподготовки специалиста. Под содержанием профильной дисциплины понимается совокупность изучаемых тем, их разделов и самих дисциплин, которые специалист должен усвоить, а под их объёмом понимается количество часов, отведённых для теоретической и практической переподготовки специалиста [9, 11, 13, 36, 40, 83, 84, 103].

Внутрифирменная, переподготовка включает в себя СОПД, которые в зависимости от исходного уровня подготовки являются индивидуальными для каждого специалиста. В связи с этим для определения СОПД необходимо оценить исходные уровни ПКС, что в свою очередь предполагает временные и стоимостные затраты на внутрифирменную переподготовку. Анализ работ Аванесова B.C., Бодалева А.А., Столина В.В., Шмелева A.F. показывает, что одним из основных методов оценки специалиста с использованием АСУ является тестовый контроль уровней усвоения профильных дисциплин. Основными показателями качества тестового контроля- для оценки исходных уровней ПКС являются его точность и достоверность. В трудах Берестневой О. Г., Белоус В.В", Войта Н.Н., Вяловой Е.П., Маслова В.Г. показано, что более точная оценка уровней ПКС может быть получена на основе алгоритмов нечеткой логики. Однако такие алгоритмы ещё не обеспечивают достоверность контроля уровней усвоения профильных дисциплин для оценки ПКС, так как число контрольных заданий ограничено и проводится только точечное оценивание указанных уровней, что приводит к неопределённости выбора СОПД в условиях временных и стоимостных ограничений на переподготовку специалиста. В соответствии с ГОСТ 20911-89 под достоверностью контроля понимается степень объективного соответствия результатов контроля действительному состоянию объекта, в частности уровням ПКС [4, 5, 6, 7, 8, 14, 16, 19; 38, 66, 70; 96, 102].

В связи с этим особую актуальность приобретает вопрос обеспечения АСУ внутрифирменной переподготовкой специалиста возможностью достоверно контролировать уровни усвоения профильных дисциплин для принятия решения по формированию ПКС.

Объектом исследования является АСУ, служащая-для автоматизации управления внутрифирменной переподготовкой специалиста.

Анализ, программных и> технических средств управления внутрифирменной переподготовкой, специалиста .показывает,, что в части8 алгоритмического обеспечения рассматриваемой АСУ существуют недостатки:

- отсутствуют алгоритмы, позволяющие ^ обеспечить достоверность контроля.уровней'усвоения-профильных дисциплин; для оценки ПКС в условиях ограничения числа.контрольных заданий;

- отсутствуют алгоритмы, позволяющие обеспечить выбор СОПД для. принятия решения по формированию» ПКС на основе их оценки? в ^зависи-мостиот уровней усвоения профильных дисциплин.

Учесть влияние числа контрольных заданий'на достоверность контроля исходных уровней усвоения профильных дисциплин возможно применением метода доверительных границ. При этом количественной мерой достоверности контроля является доверительная вероятность оценки уровня усвоения* профильной, дисциплины специалистом, а под доверительной» оценкой ПКС понимается совокупность таких уровней по дисциплинам его профиля [1, 10, 48]:

- оценить ПКС при заданной погрешности и доверительной вероятности контроля уровней усвоения профильных дисциплин;

- определить соответствие специалиста требуемым ПКС для условий конкретной фирмы (степень соответствия теоретической, подготовки и практических навыков требованиям фирмы);

- обеспечить выбор СОГТД для индивидуальной переподготовки специалиста на основе доверительной оценки ПКС.

Предметом исследования является алгоритмическое обеспечение АСУ внутрифирменной переподготовкой специалиста, предназначенное для принятия решения по- формированию ПКС на основе их доверительной оценки.

Однако применение метода доверительных границ для принятия1 решения по формированию ПКС на основе их. оценки затруднено по следу ющимпричинам:

- отсутствие модели доверительной оценки ПКС;

- отсутствие алгоритмов определения СОПДдля формирования ПКС на основе их доверительной оценки;

- отсутствие алгоритмов формирования базы данных (БД) тестовых задания на основе доверительной оценки ПКС;

- отсутствие структуры АСУ внутрифирменной переподготовки специалиста, включающей блоки доверительной оценки ПКС.

На основании проведённого анализа определена проблемная ситуация, сущность которой состоит в противоречии между практической необходимостью автоматизированного формирования ПКС с обеспеченной достоверностью контроля уровней усвоения профильных дисциплин и отсутствием необходимого алгоритмического обеспечения АСУ внутрифирменной переподготовкой специалиста, предназначенного для принятия решения по формированию ПКС на основе их доверительной оценки.

Исходя из сформулированной проблемной ситуации, решаемая^ в диссертационной работе научная1 задача может быть. определена как разработка алгоритмического обеспечения принятия решения АСУ внутрифирменной переподготовкой специалиста, позволяющего с заданной доверительной вероятностью контролировать уровни усвоения тем* профильных дисциплин для формирования требуемых ПКС в условиях временных и стоимостных ограничений.

Целью исследования является обеспечение достоверности контроля исходных уровней усвоения^ профильных дисциплин для принятия решения» по формированию ПКС путём разработки алгоритмического' обеспе-чени»АСУ на,основе доверительной.оценкшПКС.

Для достижения указанной, цели решаются следующие задачи.

1. Анализ алгоритмического и программного обеспечения для.' автоматизации управления1 внутрифирменной переподготовкой специалиста.

2. Разработка алгоритмической модели определения СОПД* на, основе доверительной* оценки,ПКС.

3. Разработка алгоритмического обеспечения* принятия? решения по формированию ПКС на основе их доверительной* оценки.

А\ Разработка структурной и функциональной схем АСУ внутрифирменной переподготовкой специалиста на основе доверительной оценки ПКС.

5. Экспериментальное исследование разработанного алгоритмического обеспечения АСУ на основе доверительной оценкой ПКС для подтверждения достигнутых результатов и согласования разработанной модели при различном составе ПКС.

Методы исследований. В работе использовались методы общей* теории систем, теории вероятности, искусственного интеллекта, управления, нечёткой логики, принятия решений, математической статистики, системного и кластерного анализа.

Научные результаты, выносимые на защиту.

1. Алгоритмическая модель определения СОПД на основе доверительной оценки ПКС, позволяющая обеспечить достоверность контроля уровней усвоения тем профильных дисциплин и автоматизировать переподготовку специалиста на основе такого контроля.

2. Алгоритмическое обеспечение принятия решения по формированию ПКС, позволяющее определять наиболее целесообразные СОПД при заданных временных и стоимостных ограничениях на переподготовку специалиста в зависимости от исходных уровней усвоения* тем- профильных дисциплин.

Научная новизна'и. теоретическая' значимость исследования состоит:

- в разработке алгоритма определения СОПД», отличающегося процедурой формирования- вариантов переподготовки специалиста» дополненных стоимостными и временными^ показателями, что позволяет выбрать наиболее целесообразные темы,профильных дисциплин для переподготовки специалиста в,зависимости от исходного уровня их усвоения и требуемых профессиональных компетенций;

- в разработке алгоритма формирования БД тестовых заданий, отличающегося процедурой доверительной оценки уровней усвоения профильных дисциплин для их классификации по уровням и составу компетенций, что позволяет обеспечить достоверность контроля уровней усвоения тем профильных дисциплин;

- в разработке алгоритма определения целесообразности переподготовки специалиста, обеспеченного процедурой выбора ПКС в зависимости от исходных* уровней: усвоения" тем. профильных дисциплин;. что даёт возможность определить компетенции; которые наиболее целесообразно формировать.в условиях временных нестоимостных ограниченийша внутрифирменную переподготовку специалиста.

Практическая значимость состоит в том, что:

- разработанная? алгоритмическая модель определения СОПД на основе доверительной оценки ИКС позволяет повысить достоверность контроля уровней усвоения профильных дисциплин" в среднем на 20%,. по сравнению с моделью оценки ПКС на основе нечёткой логики;

- разработанное; алгоритмическое обеспечение принятия решения по формированию ИКС позволяет сократить СОПД для внутрифирменной? переподготовки специалиста в среднем на 15%;

- разработанное алгоритмическое обеспечение:АСУ на основе доверительной оценки ПКС реализовано в программном продукте для оценки профессиональных компетенций специалистов? нефтяной промышленности, что позволило автоматизировать управление внутрифирменной переподготовкой^ специалистов :«Т}НК-ВР>>.

Апробация' результатов; Основные: положения- и результаты исследования обсуждались на научных конференциях М17УИИ «Программное и информационное обеспечение систем различного назначения на базе персональных ЭВМ» (М.,.2006 г.), СВИ РВ «Проблемы оценки устойчивости и эффективности функционирования автоматизированных систем управления? и связи на основе внедрения новых информационных технологий» (Серпухов, 2009, 2010 гг.); всероссийских научно-технических конференциях МИФИ «Нейроинформатика» (М., 2008, 2009 гг.), ИИО РАО «Ученые записки ИИО РАО» (М. 2007, 2008, 2009 гг.).

По теме диссертации опубликовано 11 работ. Среди наиболее значимых публикаций: 3 статьи в 3 научно-технических журналах, из перечня рекомендуемых ВАК РФ для публикации научных результатов.диссертации на соискание ученой степени кандидата технических наук, 8 работ в материалах Всероссийских и Международных НК.

Внедрение результатов исследований. Результаты исследований реализованы и внедрены в автоматизированной системе оценки, профессиональных компетенций специалистов нефтяной промышленности «ТНК-BP» в 2007, 2008, 2009 гг., что подтверждено соответствующим актом об использовании результатов.

Структура^ диссертации.,Работа состоит из введения, трех разделов, заключения и*списка используемой*литературы. Диссертация объемом? 153 страницы включает 17 таблиц и 42 рисунка*

Выводы по разделу 3

1. Проведённый эксперимент определения СОПД на основе доверительной оценки ПКС по профилям работ нефтедобывающей промышленности в области «геология и геофизика», позволил получить значения оценок уровней усвоения тем профильных дисциплин. Результаты сравнения показывают, что достоверность контроля уровней усвоения профильных дисциплин для оценки ПКС с использованием разработанной модели в среднем на 20% выше, чем достоверность аналогичной модели на основе нечёткой логики.

2. Проведено статистическое согласование разработанной алгоритмической модели определения СОПД на основе доверительной оценки ПКС и базовой экспертной модели. Согласование проведено по коэффициенту Тейла, его результаты показывают, что разработанная модель может быть использована для поддержки принятия решения по управлению внутрифирменной | подготовкой специалиста.

3. Проведённый эксперимент позволил установить зависимость доверительной вероятности от числа контрольных заданий и погрешности контроля; уровня усвоения профильной дисциплины, что позволяет определить необходимое количество контрольных заданий для обеспечения достоверности контроля уровней усвоения профильных дисциплин для оценки ПКС.

4. Проведена оценка общего количества учебных часов до и после применения разработанного алгоритмического обеспечения принятия решения по формированию ПКС для переподготовки специалиста нефтяной промышленности, которая показала возможность, сокращения СОПД в среднем на 15%.

5. Предлагается реализация структуры реляционной БД для хранения контрольных заданий и результатов доверительной оценки ПКС. Предлагается структурная схема реализации АСУ внутрифирменной переподготовкой специалиста с использованием сети internet, что позволяет организовать централизованный доступ к системе.

ЗАКЛЮЧЕНИЕ

В работе рассматривается решение поставленной научной'задачтразработки алгоритмического обеспечения АСУ внутрифирменной переподготовкой специалиста для получения доверительной оценки уровня требуемых ПКС и их формирования в условиях временных и> стоимостных ограничений на переподготовку специалиста.

Основными результатами выполнения работы являются следующие.

1. Проведён анализ существующих технических средств переподготовки специалиста и оценки его компетенций, который позволил выявить их недостатки и определить путь их преодоления, заключающийся в: создании АСУ на основе доверительной оценки ПКС. Определено, что отсутствие достоверного контроля уровней усвоения профильных дисциплин не позволяет обеспечить выбор СОПД для принятия решения по формированию ПКС.

2. Определена специфика применения АСУ внутрифирменной переподготовкой специалиста в условиях фирмы. Проведён анализ структуры ПКС и модели их оценки, разработано описание1 шкалы оценки с учетом методики проведения опроса специалиста и рекомендаций экспертов.

3. Определены- требования к алгоритмическому обеспечению АСУ внутрифирменной переподготовкой специалиста для поддержки принятия решения по формированию ПКС на основе их оценки в условиях временных и стоимостных ограничений, на внутрифирменную переподготовку специалиста.

4. В результате анализа научно-методических информационных источников выявлены аналоги, предложен прототип средств автоматизации принятия решения по формированию ПКС на основе их доверительной оценки.

5. Осуществлена поставка задачи получения требуемой доверительной оценки'уровней, усвоения профильных дисциплин для принятия? решения по формированию ПКС в условиях временных и стоимостных ограничений.

6. Предложена математическая модель оценки ПКС, отличающаяся наличием дополнительных функций, позволяющих обеспечить множество контрольных заданий, хранящихся в соответствующей БД, характеристическим свойством, значение которого задаётся уровнем доверительной вероятности выставления оценки за контрольные задания.

7. Построены структурная- и функциональная схемьт АСУ внутрифирменной, переподготовкой специалиста; отличающиеся- устройством! управления на основе доверительной?, оценки1 ПКС, которое, в. отличие от известных аналогов, позволяет не только! оценивать компетенции» специалиста в учебномшроцессе, но и установить зависимость между исходными уровнями усвоения профильных дисциплин и необходимыми СОПД, в'условиях стоимостных и временных ограничений на формирование требуемых компетенций.

8. Разработан' алгоритм определения СОПД на основе доверительной оценки ПКС, отличающийся наличием дополнительных проверок на максимальность значения доверительной вероятности,'уровня усвоения, темы профильной дисциплины, и минимальность исходного уровня усвоения темы профильной дисциплины, что позволяет достоверно контролировать уровни усвоения тем профильных дисциплин и определять наиболее целесообразные СОПД в условиях стоимостных и временных ограничений на переподготовку специалиста.

9. Разработан алгоритм формирования БД тестовых заданий, отличающегося процедурой доверительной оценки уровней усвоения профильных дисциплин для их классификации по уровням и составу компетенций, что позволяет обеспечить достоверность контроля уровней усвоения тем профильных дисциплин.

10. Разработан алгоритм классификации исходных уровней усвоения тем профильных дисциплин на основе метода наименьших квадратов, отличающихся дополнительными проверками соответствия значения1 доверительной вероятности уровня-усвоения темы профильной дисциплины их требуемому значению,,что позволяет наиболее целесообразно определить СОПД для внутрифирменной^ переподготовки специалиста по заданным компетенциям.

11. Разработан алгоритм управления БД оценок ПКС, отличающийся процедурой классификации уровней усвоения профильных дисциплин для систематизации заданий, предъявляемых специалисту в процессе контроля, что позволяет уточнять СОПД с наибольшей целесообразностью:

12. Разработан алгоритм определения целесообразности СОПД; отличающийся механизмом сравнения исходных уровней усвоения профильных дисциплин и их требуемых значений с учетом доверительной вероятности формирования указанных уровней, позволяющий не только определить состав профильных дисциплин, но и уточнить их разделы и темы наиболее целесообразные для переподготовки в условиях стоимостных и временных ограничений

13. На основе разработанной АСУ внутрифирменной переподготовкой специалиста и её алгоритмического обеспечения обоснована методика принятия решения по формированию ПКС на основе их оценки.

14. Проведённый эксперимент определения СОПД на основе доверительной оценки ПКС по профилям работ нефтедобывающей промышленности в области «геология и геофизика», позволил получить значения оценок уровней усвоения тем профильных дисциплин. Результаты сравнения показывают, что достоверность контроля уровней усвоения профильных дисциплин для оценки ПКС с использованием разработанной модели в среднем на 20% выше, чем достоверность аналогичной модели на основе нечёткой логики.

15. Проведено статистическое согласование разработанной алгоритмической модели определения СОПД на основе доверительной оценки ПКС и базовой экспертной модели. Согласование проведено по коэффициенту Тейла, его результаты показывают, что разработанная модель может быть использована для поддержки принятия решения по управлению внутрифирменной подготовкой специалиста.

16. Проведённый эксперимент позволил установить зависимость доверительной вероятности от числа контрольных заданий и погрешности контроля уровня усвоения профильной дисциплины, что позволяет определить необходимое количество контрольных заданий для обеспечения достоверности контроля уровней усвоения профильных дисциплин для оценки ПКС.

17. Проведена оценка общего количества учебных часов до и после применения разработанного алгоритмического обеспечения принятия решения по формированию ПКС для переподготовки специалиста нефтяной промышленности, которая показала возможность, сокращения СОПД в среднем на 15%.

18. Предлагается реализация структуры реляционной БД для хранения контрольных заданий и результатов доверительной оценки ПКС. Предлагается структурная схема реализации АСУ внутрифирменной переподготовкой специалиста с использованием сети internet, что позволяет организовать централизованный доступ к системе.

Достоверность и обоснованность полученных результатов обеспечивается и подтверждается корректной постановкой задачи исследования, правильностью принятых допущений и ограничений, сходимостью результатов экспериментальной оценки ПКС с экспертными оценками, максимально возможным учётом исходной информации, применением традиционного научно-методического аппарата системного моделирования и теории' принятия решений.

Результаты исследований реализованы и внедрены в автоматизированной системе оценки профессиональных компетенций специалистов нефтяной промышленности «ТНК-BP» в 2007, 2008, 2009 гг.

Планируется реализовать программно-алгоритмическое обеспечение для решения задач формирования ПКС на основе их оценки в учебных заведениях СВИ, МАИ, МАМИ.

Дальнейшие исследования могут быть продолжены в направлении внедрения АСУ внутрифирменной переподготовкой специалиста на основе доверительной оценки ПКС в создание программного продукта для автоматизации внутрифирменной' переподготовки консалтинговой фирмой «ЭКОПСИ» и ИИО РАО.

1. Аванесов B.C. Научные проблемы тестового контроля? знаний / Монография. М.: Исследовательский центр проблем качества^ подготовки специалистов, 1994 —135 с.

2. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин J1. Д. Прикладная- статистика. Классификация и снижение размерности. — М.: Финансы и статистика, 1989. 607 с.

3. Айвазян С. А., Енюков № С., Мешалкин J1. Д. Прикладная статистика. Статистическое оценивание зависимостей. — М.: Финансы и статистика, 1985.-484 с.

4. Берестнева О.Г. Системные исследования и информационные технологии оценки компетентности студентов // Автореферат диссертации на соискание ученой степени доктора технических наук. — Томск: ГОУ ВПО «Томский политехнический университет», 2007. — 42 с.

5. Беспалько В.П. Основы теории педагогических систем. Воронеж: Изд-во Воронеж, ун-та, 1977. 303 с.

6. Брандт 3. Анализ данных. Статистические и вычислительные методы для научных работников и инженеров М: ACT, Мир, 2003. - 688 с.

7. Брановский Ю. С. Введение в педагогическую информатику: Учебное пособие. Ставрополь: СГПУ, 1995. - 206с.

8. Буравлев А.И., Переверзев В.Ю. Выбор оптимальной длины педагогического теста и оценки надежности его результатов // Дистанционное образование. 1999. № 2. С. 89-91.

9. Ваграменко Я.А., Роберт И.В., Львовский В.Л. Концепция использования новых информационных технологий в организационно-методическом обеспечении учебного заведения М., 1992.

10. Вязигин А. Оценка персонала высшего и среднего звена. —М: Вершина, 2006. — 256 с.

11. Горбань А. Н. Обучение нейронных сетей. М.: ПараГраф, 1990. — 159с.

12. ГОСТ 19.701-90 Схемы алгоритмов, программ, данных и систем. Условные обозначения и правила выполнения. — М. Издательство стандартов, 1991.-26 е., ил.

13. ГОСТ 20911-89 Техническая диагностика Термины и определения — М. Издательство стандартов, 2001.

14. Данилюк С. Г., Мыльников А. В., Зубко И. Н. Разработка локальной вычислительной сети информационного обеспечения учебного процесса факультета // Ученые записки. Выпуск 10. Mi: ИИО РАО,* 2003. - С. 184198.

15. Данилюк С.Г. Обоснование подхода к принятию решений при управлении качеством образовательного процесса Сборник "Ученые записки ИИО РАО" М.: ИИО РАО, 2008. - С. 152 - 155.

16. Джарратано Д., Райли Г. Экспертные системы. Принципы разработки и программирование. Вильяме, 2007. — 1152 с.

17. Добровольская Н.Ю. Индивидуализация обучения посредством применения технологий нейронных сетей // Информатика и образование, 2009. №4. С. 107-108.

18. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. — М.: Статистика, 1973. — 392 с.

19. Дюк В. А. Конструирование психодиагностических тестов: традиционные математические модели и алгоритмы. Компьютерная психодиагностика. С-Пб., 1994. -215 с.

20. Елисеева И. И:, Рукавишников В. О. Группировка, корреляция, распознавание образов (Статистические методы классификации и измерения связи).— М.: Статистика, 1977. 144 с.

21. Енюков И. С. Методы, алгоритмы, программы многомерного статистического анализа: Пакет ППСА. — М.: Финансы и.статистика, 1986. — 232 с.

22. Козлова Н.В., Берестнева О.Г. Профессиональные компетенции: экс-пертно-статистический анализ // Вестник Томского государственного университета, 2007. № 295. С. 166-173.

23. Колесников А. В., Кириков И. А. Методология и технология решения сложных задач методами функциональных гибридных интеллектуальных систем. М.: ИПИ РАН, 2007. - 387 с.

24. Колин К.К. Эволюция!информатики // Информационные технологии. №1.2005. С. 2-16.

25. Концепция модернизации российского образования на период до 2010 г. // Модернизация российского образования. Документы и материалы. М:: Издательство.ВШЭ; 2002. - с.263-282.

26. Кравец А.Г., Обухов А.С. «Автоматизированная^ система проверки профессиональных знаний специалистов на^ предприятии». Вестник компьютерных ^информационных технологий^ № 3.2007 — С. 31-35.

27. Крехов Е. В. Методика прогнозирования профессиональных компетенций специалиста на основе нейросетевых моделей // XIs Всероссийская НТК, Нейроинформатика-2009 Сб. научных трудов, ч.Г. — М.: МИФИ, 2009, URL: http://www.niisi.ru/iont/ni/ni2009.htm.

28. Крехов Е. В. Методика статистико-математического обоснования затрат на профессиональное обучение специалистов. Сборник "Ученые записки ИИО РАО" М.: ИИО РАО, 2009 - с. 114 - 119.

29. Крехов Е. В. Модель доверительной оценки' профессиональных компетенций специалиста / Крехов И. В. // сборник статей «Проблемы обеспечения эффективности и устойчивости функционирования сложных технических систем», часть 4, Серпухов. 2010 — с. 131 136.

30. Крехов* Е. В1 Нейросетевой классификатор профессиональной компетентности специалиста // X Всероссийская НТК, Нейроинформатика-2008 Сб. научных трудов, ч.1. Mi: Изд-во МИФИ, 2008. -с. 53-61.

31. Крехов Е. В. Применение нейросетевых моделей профессиональных компетенций специалиста в автоматизированной обучающею системе — М: Информатика в образовании и науке, 2009 — с. 132 — 144.

32. Крехов Е. В. Результаты применения нейросетевых моделей»предиктора профессиональной квалификации специалиста в автоматизированной обучающей системе. Сборник "Ученые записки ИИО РАО" М.: ИИО РАО, 2008.-С.219-225.

33. Крехов* Е. В., Крехов И. В. Оптимизация счётчиков. М.: Измерительная техника, №1, 2004. — с. 59 — 61.

34. Крехов Е. В., Крехов И. В. Устройство синхронизации импульсов. -Ml: Патент № 2238610, Бюл.№29, 2004'.

35. Крехов, Е. В. Нейросетевая модель автоматизированной обучающейiсистемы / Крехов:И. В. // сборник статей «Проблемы обеспечения эффективности' и1 устойчивости функционирования сложных технических систем», часть 2, Серпухов. 2009. с. 112 - 119.

36. Крехов Е. В., Нурматова Е. В. Анализ алгоритмов обучения'нейронных сетей? при прогнозировании технического состояния' магистральных насосных агрегатов. — М.: Информационные технологии, №1Г, 2006. с. 36-43

37. Крехов Е. В., Нурматова Е. В. Нейросетевые агенты в аппаратно-программной системе контроля, роторного оборудования // IX международной конференции "Интеллектуальные системы и компьютерные науки" Том 2'Трудов конференции, М.: МГУ, 2006. - с. 160 - 163.

38. Крехов Е. В., Хабибулин И. В. Нейросетевая модель профессиональных компетенций специалиста для обоснования затрат на обучение — Серпухов: Известия Института инженерной физики, Т. 2, №16, 2010 с. 33-38.

39. Крехов Е.В. Методика программно-модульного эмулирования нейронных сетей // НТК «Программное и информационное обеспечение систем различного назначения, на базе персональных ЭВМ», Сб. научных трудов М.: МГУПИ, 2006 - 4с.

40. Крехов И. В., Крехов Е. В. Оптимизация регистров'. М.: Измерительная ^техника, №4', 2004. - с. 54 - 57.

41. Литягин А. HR-ТЕХНОЛОГИИ: Типовое положение об аттестации (ALPAS). -М: HRC, ООО "Целевое Управление", 2004. -352 с.

42. Луценко Е. В., Коржаков В. Е. Прогнозирование уровня предметной обученности студентов путем СК-анализа данных об их социальном статусе // Вестник Адыгейского государственного университета: сетевое электронное научное издание, № 7, 2007. — с. 53-61.

43. Марк А. Хьюзлид, Дэйв Ульрих, Брайан И. Беккер Измерение результативности работы HR-департамента. Люди, стратегия и производительность М.: «Вильяме», 2007. - С. 304.

44. Марченков С.С. Популярные лекции по математике // Рекурсивные функции. М: физматлит, 2007 — 64 с.

45. Минаев Ю.Н., Филимонова О.Ю., Бенамеур Л. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. — М.: Горячая линия-Телеком. 2003. - С. 205

46. Миркес Е. М. Логически прозрачные нейронные сети и производство явных знаний из данных, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кир дин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с.

47. Никитина Н. Ш. Методика отбора персонала, на вакансию на основе нечетких показателей / Н. Ш. Никитина, Е. В. Бурмистрова // Университетское управление: практика и, анализ, 2004. № 3 (31). — С. 98-103.

48. Осовский С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудницкого. М.: Финансы и статистика, 2004. — 344 с.

49. Павлов А.А., Новиков Н.Н. Устройство для прогнозирования состояния технических объектов / Авторское свидетельство №1104533

50. Павлов*А.А., Крехов Е. В. Нейросетевая модель профессиональной компетентности специалиста. Сборник "Ученые записки ИИО РАО" М.: ИИО РАО, 2007. - С. 161 - 165.

51. Переверзев В. Ю. Технология разработки? тестовых заданий: Справочное руководство. -М: Е-Медиа; 2005. 256 с.

52. Протасов В. Ф., Протасова'А. В. Анализ деятельности предприятия (фирмы). Производство, экономика, финансы, инвестиции, маркетинг, оценка персонала. -М.: Финансы и статистика, 2005. 528 с.

53. Растригин Л.А., Эренштейн М.Х. Адаптивное обучение с моделью обучаемого. Рига: Зинатне, 1988. - 160 с.

54. Роберт И.В. Автоматизация информационно- методического обеспечения образовательного процесса и организационного управления» учебным заведением. Сборник "Ученые записки ИИО РАО" М.: ИИО РАО, 2007.-С. 210-234.

55. Роберт И.В. Современные информационные технологии в образовании: дидактические проблемы; перспективы использования. — М.: "Школа-Пресс", 1994.-205с.

56. Ряковский С.М. Планирование затрат на обучение: пошаговая технология // Справочник по управлению персоналом 2005. - №2. - С. 22-24.

57. Свиридов А.П. Основы статистической теории» обучения? и контроля знаний: Метод, пособие. — М.: Высшая школа, 1981. — 262 с.

58. Соловов А.В: Проектирование компьютерных систем учебного назначения / Учебное пособие. Самара: СГАУ, 1995. — 138 с.

59. Терехов С. А. Технологические аспекты обучения нейросетевых машин // «Нейроинформатика — 2006», Лекции по нейроинформатике. М.: МИФИ, 2006.-С. 13-73.

60. Телина И. С. Система взаимодействия предприятий и вузов // Материалы III междунар. науч.-методической конф. "Системы управления' качеством высшего образования". Воронеж, 2003. С. 313-314.

61. Тихомиров Ю. А. Теория, компетенции. М.: ЮРИНФОРМЦЕНТР, 2005.-355 с.

62. Толстова Ю.Н. Анализ социологических данных. Методология дес-пкритивная статистика, изучение связей между номинальными'признаками. М.: Научный мир, 2000. — 352 с.

63. Уидетт С. и Холлифорд С. Руководство по компетенциям. Изд-во «Н1РРО», 2004. - С.5.

64. Уоссерман Ф. . Нейрокомпьютерная техника: Теория и практика: Пер. с англ. М.: Мир, 1992. - 240 с.

65. Уотерман Д. Руководство по экспертным системам. М.: Мир, 1989. -300 с.

66. Хайкин, С. Нейронные сети: Полный курс 2-е изд. — М.: «Вильяме», 2006.-1104 с.

67. Холдинг Д., Голдстейн И., Эбертс Р. и др. Человеческий фактор. В 6-ти тт. Т. 3. Моделирование деятельности, профессиональное обучение и отбор операторов М.: Мир, 1991. — 302.

68. Хуторской А.В. Соотношение деятельности и содержания образования // Школьные технологии. — 2007. №3. — С. 10—17.

69. Царегородцев В. Г. Перспективы распараллеливания программ ней-росетевого анализа и обработки данных // Материалы III Всеросс. конф. "Математика, информатика, управление 2004", Иркутск, 2004.